> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 평가 벤치마크 카탈로그

> thoughtful_thought LLM Evaluation Jobs를 통해 이용 가능한 평가 벤치마크를 살펴보세요.

<Note>
  LLM Evaluation Jobs is in **Preview** for [W\&B Multi-tenant Cloud](/platform/hosting/hosting-options/multi_tenant_cloud). Compute is free during the preview period. [Learn more](/models/launch#pricing)
</Note>

이 페이지는 [LLM Evaluation Jobs](/models/launch)에서 카테고리별로 제공하는 평가 벤치마크 목록을 안내합니다.

특정 벤치마크를 실행하려면 팀 관리자가 필요한 API 키를 [팀 범위 secret](/platform/secrets#add-a-secret)으로 추가해야 합니다. 모든 팀 멤버는 평가 job을 구성할 때 이 secret을 지정할 수 있습니다.

* 벤치마크의 **OpenAI Model Scorer** 열에 `true`가 표시된 경우, 해당 벤치마크는 점수 산정을 위해 OpenAI 모델을 사용합니다. 조직 또는 팀 관리자는 OpenAI API 키를 팀 secret으로 추가해야 합니다. 이 요구 사항이 있는 벤치마크로 평가 job을 구성할 때는 **Scorer API key** 필드를 해당 secret으로 설정하세요.
* 벤치마크의 **Gated Hugging Face Dataset** 열에 링크가 있는 경우, 해당 벤치마크는 액세스가 제한된(gated) Hugging Face 데이터셋에 대한 권한이 필요합니다. 조직 또는 팀 관리자는 Hugging Face에서 데이터셋에 대한 엑세스를 요청하고, Hugging Face 사용자 엑세스 토큰을 생성한 후, 엑세스 키를 포함한 팀 secret을 구성해야 합니다. 이 요구 사항이 있는 벤치마크를 구성할 때는 **Hugging Face Token** 필드를 해당 secret으로 설정하세요.

## Knowledge

과학, 언어, 일반 상식 등 다양한 도메인에 걸친 사실적 지식을 평가합니다.

| 평가                                                                                            | Task ID             | OpenAI Model Scorer | Gated Hugging Face 데이터셋 | 설명                                                         |
| --------------------------------------------------------------------------------------------- | ------------------- | ------------------- | ----------------------- | ---------------------------------------------------------- |
| [BoolQ](https://github.com/google-research-datasets/boolean-questions)                        | `boolq`             |                     |                         | 자연어 쿼리 기반의 Boolean Yes/No 질문                               |
| [GPQA Diamond](https://arxiv.org/abs/2311.12022)                                              | `gpqa_diamond`      |                     |                         | 대학원 수준의 과학 질문 (최고 품질 서브셋)                                  |
| [HLE](https://arxiv.org/abs/2501.14249)                                                       | `hle`               |                     | Yes                     | 인간 수준의 평가(Human-level evaluation) 벤치마크                     |
| [Lingoly](https://arxiv.org/abs/2406.06196)                                                   | `lingoly`           |                     | Yes                     | 언어학 올림피아드 문제                                               |
| [Lingoly Too](https://arxiv.org/abs/2503.02972)                                               | `lingoly_too`       |                     | Yes                     | 확장된 언어학 챌린지 문제                                             |
| [MMIU](https://arxiv.org/abs/2408.02718)                                                      | `mmiu`              |                     |                         | 대규모 멀티태스크 언어 이해 벤치마크                                       |
| [MMLU (0-shot)](https://github.com/hendrycks/test)                                            | `mmlu_0_shot`       |                     |                         | 예시가 없는 대규모 멀티태스크 언어 이해 평가                                  |
| [MMLU (5-shot)](https://github.com/hendrycks/test)                                            | `mmlu_5_shot`       |                     |                         | 5개의 예시가 포함된 대규모 멀티태스크 언어 이해 평가                             |
| [MMLU-Pro](https://arxiv.org/abs/2406.01574)                                                  | `mmlu_pro`          |                     |                         | MMLU의 더 어려운 버전                                             |
| [ONET M6](https://github.com/UKGovernmentBEIS/inspect_evals/tree/main/src/inspect_evals/onet) | `onet_m6`           |                     |                         | 직업 지식 벤치마크                                                 |
| [PAWS](https://github.com/google-research-datasets/paws)                                      | `paws`              |                     |                         | 문구 변형 적대적 단어 교체 (Paraphrase adversarial word substitution) |
| [SevenLLM MCQ (영어)](https://github.com/wangclnlp/SevenLLM-Benchmark)                          | `sevenllm_mcq_en`   |                     |                         | 영어로 된 객관식 질문                                               |
| [SevenLLM MCQ (중국어)](https://github.com/wangclnlp/SevenLLM-Benchmark)                         | `sevenllm_mcq_zh`   |                     |                         | 중국어로 된 객관식 질문                                              |
| [SevenLLM QA (영어)](https://github.com/wangclnlp/SevenLLM-Benchmark)                           | `sevenllm_qa_en`    |                     |                         | 영어 질의응답                                                    |
| [SevenLLM QA (중국어)](https://github.com/wangclnlp/SevenLLM-Benchmark)                          | `sevenllm_qa_zh`    |                     |                         | 중국어 질의응답                                                   |
| [SimpleQA](https://openai.com/index/introducing-simpleqa/)                                    | `simpleqa`          | Yes                 |                         | 직설적인 사실 기반 질의응답                                            |
| [SimpleQA Verified](https://openai.com/index/introducing-simpleqa/)                           | `simpleqa_verified` |                     |                         | 검증된 답변이 포함된 SimpleQA의 검증된 서브셋                              |
| [WorldSense](https://github.com/facebookresearch/worldsense)                                  | `worldsense`        |                     |                         | 세상에 대한 지식 및 상식 이해도 평가                                      |

## Reasoning

논리적 사고, 문제 해결 및 상식 추론 능력을 평가합니다.

| 평가                                                                 | Task ID          | OpenAI Scorer | Gated HF 데이터셋 | 설명                                          |
| ------------------------------------------------------------------ | ---------------- | ------------- | ------------- | ------------------------------------------- |
| [AGIE AQUA-RAT](https://arxiv.org/abs/1705.04146)                  | `agie_aqua_rat`  |               |               | 근거가 포함된 대수학 질의응답                            |
| [AGIE LogiQA (영어)](https://arxiv.org/abs/2007.08124)               | `agie_logiqa_en` |               |               | 영어로 된 논리 추론 질문                              |
| [AGIE LSAT Analytical Reasoning](https://www.lsac.org/)            | `agie_lsat_ar`   |               |               | LSAT 분석적 추론 (논리 게임) 문제                      |
| [AGIE LSAT Logical Reasoning](https://www.lsac.org/)               | `agie_lsat_lr`   |               |               | LSAT 논리적 추론 질문                              |
| [ARC Challenge](https://allenai.org/data/arc)                      | `arc_challenge`  |               |               | 추론이 필요한 고난도 과학 질문 (AI2 Reasoning Challenge) |
| [ARC Easy](https://allenai.org/data/arc)                           | `arc_easy`       |               |               | ARC 데이터셋 중 비교적 쉬운 과학 질문 세트                  |
| [BBH](https://github.com/suzgunmirac/BIG-Bench-Hard)               | `bbh`            |               |               | BIG-Bench Hard: BIG-Bench 중 도전적인 태스크들       |
| [CoCoNot](https://arxiv.org/abs/2310.03697)                        | `coconot`        |               |               | 반사실적(Counterfactual) 상식 추론 벤치마크             |
| [CommonsenseQA](https://www.tau-nlp.sites.tau.ac.il/commonsenseqa) | `commonsense_qa` |               |               | 상식 추론 질문                                    |
| [HellaSwag](https://arxiv.org/abs/1905.07830)                      | `hellaswag`      |               |               | 상식적인 자연어 추론                                 |
| [MUSR](https://arxiv.org/abs/2310.16049)                           | `musr`           |               |               | 다단계 추론 벤치마크                                 |
| [PIQA](https://yonatanbisk.com/piqa/)                              | `piqa`           |               |               | 물리적 상식 추론                                   |
| [WinoGrande](https://winogrande.allenai.org/)                      | `winogrande`     |               |               | 대명사 해소(Pronoun resolution)를 통한 상식 추론        |

## Math

초등 수학부터 경시 수준 문제까지 다양한 난이도의 수학적 문제 해결 능력을 평가합니다.

| 평가                                                                                      | Task ID                    | OpenAI Scorer | Gated HF 데이터셋 | 설명                                         |
| --------------------------------------------------------------------------------------- | -------------------------- | ------------- | ------------- | ------------------------------------------ |
| [AGIE Math](https://arxiv.org/abs/2410.12211)                                           | `agie_math`                |               |               | AGIE 벤치마크 세트의 고급 수학적 추론                    |
| [AGIE SAT Math](https://collegereadiness.collegeboard.org/sat)                          | `agie_sat_math`            |               |               | SAT 수학 문제                                  |
| [AIME 2024](https://artofproblemsolving.com/wiki/index.php/AIME_Problems_and_Solutions) | `aime2024`                 |               |               | 2024년 미국 수학 초청 시험(AIME) 문제                 |
| [AIME 2025](https://artofproblemsolving.com/wiki/index.php/AIME_Problems_and_Solutions) | `aime2025`                 |               |               | 2025년 미국 수학 초청 시험(AIME) 문제                 |
| [GSM8K](https://github.com/openai/grade-school-math)                                    | `gsm8k`                    |               |               | Grade School Math 8K: 다단계 초등 수학 문장제 문제     |
| [InfiniteBench Math Calc](https://arxiv.org/abs/2402.13718)                             | `infinite_bench_math_calc` |               |               | 긴 컨텍스트에서의 수학적 계산                           |
| [InfiniteBench Math Find](https://arxiv.org/abs/2402.13718)                             | `infinite_bench_math_find` |               |               | 긴 컨텍스트에서의 수학적 패턴 찾기                        |
| [MATH](https://github.com/hendrycks/math)                                               | `math`                     |               |               | 경시 대회 수준의 수학 문제                            |
| [MGSM](https://github.com/google-research/url-nlp/tree/main/mgsm)                       | `mgsm`                     |               |               | 다국어 초등 수학 (Multilingual Grade School Math) |

## Code

디버깅, 코드 실행 예측, 함수 호출(function calling) 등 프로그래밍 및 소프트웨어 개발 역량을 평가합니다.

| 평가                                                                                         | Task ID                     | OpenAI Scorer | Gated HF 데이터셋 | 설명                                                          |
| ------------------------------------------------------------------------------------------ | --------------------------- | ------------- | ------------- | ----------------------------------------------------------- |
| [BFCL](https://gorilla.cs.berkeley.edu/blogs/8_berkeley_function_calling_leaderboard.html) | `bfcl`                      |               |               | Berkeley Function Calling Leaderboard: 함수 호출 및 툴 사용 능력을 테스트 |
| [InfiniteBench Code Debug](https://arxiv.org/abs/2402.13718)                               | `infinite_bench_code_debug` |               |               | 긴 컨텍스트 기반 코드 디버깅 태스크                                        |
| [InfiniteBench Code Run](https://arxiv.org/abs/2402.13718)                                 | `infinite_bench_code_run`   |               |               | 긴 컨텍스트 기반 코드 실행 예측                                          |

## Reading

복잡한 텍스트에서의 독해력 및 정보 추출 능력을 평가합니다.

| 평가                                                                        | Task ID                       | OpenAI Scorer | Gated HF 데이터셋 | 설명                                                         |
| ------------------------------------------------------------------------- | ----------------------------- | ------------- | ------------- | ---------------------------------------------------------- |
| [AGIE LSAT Reading Comprehension](https://www.lsac.org/)                  | `agie_lsat_rc`                |               |               | LSAT 독해 지문 및 질문                                            |
| [AGIE SAT English](https://collegereadiness.collegeboard.org/sat)         | `agie_sat_en`                 |               |               | 지문이 포함된 SAT 독해 및 작문 질문                                     |
| [AGIE SAT English (지문 없음)](https://collegereadiness.collegeboard.org/sat) | `agie_sat_en_without_passage` |               |               | 지문이 제공되지 않는 SAT 영어 질문                                      |
| [DROP](https://allenai.org/data/drop)                                     | `drop`                        |               |               | 수치적 추론이 필요한 독해 평가 (Discrete Reasoning Over Paragraphs)     |
| [RACE-H](https://www.cs.cmu.edu/~glai1/data/race/)                        | `race_h`                      |               |               | 영어 시험 기반 독해 평가 (고난도)                                       |
| [SQuAD](https://rajpurkar.github.io/SQuAD-explorer/)                      | `squad`                       |               |               | Stanford Question Answering Dataset: 위키피디아 기사 기반의 추출적 질의응답 |

## Long context

검색(retrieval) 및 패턴 인식을 포함하여 확장된 컨텍스트를 처리하고 추론하는 능력을 평가합니다.

| 평가                                                                     | Task ID                              | OpenAI Scorer | Gated HF 데이터셋 | 설명                                  |
| ---------------------------------------------------------------------- | ------------------------------------ | ------------- | ------------- | ----------------------------------- |
| [InfiniteBench KV Retrieval](https://arxiv.org/abs/2402.13718)         | `infinite_bench_kv_retrieval`        |               |               | 긴 컨텍스트에서의 Key-Value 검색              |
| [InfiniteBench LongBook (영어)](https://arxiv.org/abs/2402.13718)        | `infinite_bench_longbook_choice_eng` |               |               | 긴 책 내용에 대한 객관식 질문                   |
| [InfiniteBench LongDialogue QA (영어)](https://arxiv.org/abs/2402.13718) | `infinite_bench_longdialogue_qa_eng` |               |               | 긴 대화 내용에 대한 질의응답                    |
| [InfiniteBench Number String](https://arxiv.org/abs/2402.13718)        | `infinite_bench_number_string`       |               |               | 긴 시퀀스에서의 숫자 패턴 인식                   |
| [InfiniteBench Passkey](https://arxiv.org/abs/2402.13718)              | `infinite_bench_passkey`             |               |               | 긴 컨텍스트로부터 정보 검색                     |
| [NIAH](https://arxiv.org/abs/2406.07230)                               | `niah`                               |               |               | Needle in a Haystack: 긴 컨텍스트 검색 테스트 |

## Safety

정렬(alignment), 바이어스 탐지, 유해 콘텐츠 거부 및 진실성을 평가합니다.

| 평가                                                                                                           | Task ID                         | OpenAI Scorer | Gated HF 데이터셋 | 설명                                                         |
| ------------------------------------------------------------------------------------------------------------ | ------------------------------- | ------------- | ------------- | ---------------------------------------------------------- |
| [AgentHarm](https://arxiv.org/abs/2410.09024)                                                                | `agentharm`                     | Yes           |               | 유해한 에이전트 행동 및 오용 시나리오에 대한 모델의 저항성 테스트                      |
| [AgentHarm Benign](https://arxiv.org/abs/2410.09024)                                                         | `agentharm_benign`              | Yes           |               | 오탐지율을 측정하기 위한 AgentHarm의 양성(benign) 베이스라인                  |
| [Agentic Misalignment](https://arxiv.org/abs/2510.05179)                                                     | `agentic_misalignment`          |               |               | 에이전트 행동의 잠재적 불일치(misalignment) 평가                          |
| [AHB](https://arxiv.org/abs/2503.04804)                                                                      | `ahb`                           |               |               | Agent Harmful Behavior: 유해한 에이전트 행동에 대한 저항성 테스트            |
| [AIRBench](https://arxiv.org/abs/2410.02407)                                                                 | `air_bench`                     |               |               | 적대적 지시(adversarial instruction) 저항성 테스트                    |
| [BBEH](https://arxiv.org/abs/2502.19187)                                                                     | `bbeh`                          |               |               | 유해 행동 평가를 위한 바이어스 벤치마크                                     |
| [BBEH Mini](https://arxiv.org/abs/2502.19187)                                                                | `bbeh_mini`                     |               |               | BBEH 벤치마크의 소형 버전                                           |
| [BBQ](https://arxiv.org/abs/2110.08193)                                                                      | `bbq`                           |               |               | 질의응답을 위한 바이어스 벤치마크 (Bias Benchmark for Question Answering) |
| [BOLD](https://arxiv.org/abs/2101.11718)                                                                     | `bold`                          |               |               | 개방형 언어 생성 데이터셋의 바이어스 평가                                    |
| [CYSE3 Visual Prompt Injection](https://arxiv.org/abs/2408.01605)                                            | `cyse3_visual_prompt_injection` |               |               | 시각적 프롬프트 인젝션 공격에 대한 저항성 테스트                                |
| [Make Me Pay](https://arxiv.org/abs/2410.08691)                                                              | `make_me_pay`                   |               |               | 금융 사기 및 사기 시나리오에 대한 저항성 테스트                                |
| [MASK](https://arxiv.org/abs/2503.03750)                                                                     | `mask`                          | Yes           | Yes           | 모델의 민감 정보 처리 능력 테스트                                        |
| [Personality BFI](https://github.com/UKGovernmentBEIS/inspect_evals/tree/main/src/inspect_evals/personality) | `personality_BFI`               |               |               | Big Five 성격 특성 평가                                          |
| [Personality TRAIT](https://arxiv.org/abs/2406.14703)                                                        | `personality_TRAIT`             |               | Yes           | 종합적인 성격 특성 평가                                              |
| SOSBench                                                                                                     | `sosbench`                      | Yes           |               | 안전 및 감독 스트레스 테스트                                           |
| [StereoSet](https://github.com/moinnadeem/StereoSet)                                                         | `stereoset`                     |               |               | 언어 모델의 고정관념적 바이어스 측정                                       |
| [StrongREJECT](https://arxiv.org/abs/2402.10260)                                                             | `strong_reject`                 |               |               | 유해한 요청을 거부하는 모델의 능력 테스트                                    |
| [Sycophancy](https://arxiv.org/abs/2310.13548)                                                               | `sycophancy`                    |               |               | 아첨하는 행동(sycophantic behavior)에 대한 경향 평가                    |
| [TruthfulQA](https://github.com/sylinrl/TruthfulQA)                                                          | `truthfulqa`                    |               |               | 모델의 진실성 및 거짓에 대한 저항성 테스트                                   |
| [UCCB](https://huggingface.co/datasets/CraneAILabs/UCCB)                                                     | `uccb`                          |               |               | 안전하지 않은 콘텐츠 분류 벤치마크                                        |
| [WMDP Bio](https://www.wmdp.ai/)                                                                             | `wmdp_bio`                      |               |               | 생물학 분야의 위험 지식 테스트                                          |
| [WMDP Chem](https://www.wmdp.ai/)                                                                            | `wmdp_chem`                     |               |               | 화학 분야의 위험 지식 테스트                                           |
| [WMDP Cyber](https://www.wmdp.ai/)                                                                           | `wmdp_cyber`                    |               |               | 사이버 보안 분야의 위험 지식 테스트                                       |
| [XSTest](https://arxiv.org/abs/2308.01263)                                                                   | `xstest`                        | Yes           |               | 과도한 거부 탐지를 위한 과장된 안전성 테스트                                  |

## Domain-Specific

의학, 화학, 법률, 생물학 및 기타 전문 분야의 특화된 지식을 평가합니다.

| 평가                                                             | Task ID                       | OpenAI Scorer | Gated HF 데이터셋 | 설명                       |
| -------------------------------------------------------------- | ----------------------------- | ------------- | ------------- | ------------------------ |
| [ChemBench](https://arxiv.org/abs/2404.01475)                  | `chembench`                   |               |               | 화학 지식 및 문제 해결 벤치마크       |
| [HealthBench](https://arxiv.org/abs/2406.09746)                | `healthbench`                 | Yes           |               | 헬스케어 및 의학 지식 평가          |
| [HealthBench Consensus](https://arxiv.org/abs/2406.09746)      | `healthbench_consensus`       | Yes           |               | 전문가 합의가 포함된 헬스케어 질문      |
| [HealthBench Hard](https://arxiv.org/abs/2406.09746)           | `healthbench_hard`            | Yes           |               | 도전적인 헬스케어 시나리오           |
| [LabBench Cloning Scenarios](https://arxiv.org/abs/2407.10362) | `lab_bench_cloning_scenarios` |               |               | 실험실 실험 계획 및 클로닝          |
| [LabBench DBQA](https://arxiv.org/abs/2407.10362)              | `lab_bench_dbqa`              |               |               | 실험실 시나리오에 대한 데이터베이스 질의응답 |
| [LabBench FigQA](https://arxiv.org/abs/2407.10362)             | `lab_bench_figqa`             |               |               | 과학적 컨텍스트에서의 도표 해석        |
| [LabBench LitQA](https://arxiv.org/abs/2407.10362)             | `lab_bench_litqa`             |               |               | 연구를 위한 문헌 기반 질의응답        |
| [LabBench ProtocolQA](https://arxiv.org/abs/2407.10362)        | `lab_bench_protocolqa`        |               |               | 실험실 프로토콜 이해              |
| [LabBench SeqQA](https://arxiv.org/abs/2407.10362)             | `lab_bench_seqqa`             |               |               | 생물학적 시퀀스 분석 질문           |
| [LabBench SuppQA](https://arxiv.org/abs/2407.10362)            | `lab_bench_suppqa`            |               |               | 보충 자료 해석                 |
| [LabBench TableQA](https://arxiv.org/abs/2407.10362)           | `lab_bench_tableqa`           |               |               | 과학 논문의 표 해석              |
| [MedQA](https://github.com/jind11/MedQA)                       | `medqa`                       |               |               | 의사 면허 시험 질문              |
| [PubMedQA](https://pubmedqa.github.io/)                        | `pubmedqa`                    |               |               | 연구 초록 기반의 생의학 질의응답       |
| [SEC-QA v1](https://arxiv.org/abs/2406.14806)                  | `sec_qa_v1`                   |               |               | SEC 공시 서류 질의응답           |
| [SEC-QA v1 (5-shot)](https://arxiv.org/abs/2406.14806)         | `sec_qa_v1_5_shot`            |               |               | 5개의 예시가 포함된 SEC-QA       |
| [SEC-QA v2](https://arxiv.org/abs/2406.14806)                  | `sec_qa_v2`                   |               |               | 업데이트된 SEC 공시 서류 벤치마크     |
| [SEC-QA v2 (5-shot)](https://arxiv.org/abs/2406.14806)         | `sec_qa_v2_5_shot`            |               |               | 5개의 예시가 포함된 SEC-QA v2    |

## Multimodal

시각적 입력과 텍스트 입력을 결합하여 비전 및 언어 이해 능력을 평가합니다.

| 평가                                                                      | Task ID                                      | OpenAI Scorer | Gated HF 데이터셋 | 설명                                                |
| ----------------------------------------------------------------------- | -------------------------------------------- | ------------- | ------------- | ------------------------------------------------- |
| [DocVQA](https://www.docvqa.org/)                                       | `docvqa`                                     |               |               | Document Visual Question Answering: 문서 이미지에 대한 질문 |
| [MathVista](https://mathvista.github.io/)                               | `mathvista`                                  |               |               | 시각적 컨텍스트를 결합한 수학적 추론                              |
| [MMMU Multiple Choice](https://mmmu-benchmark.github.io/)               | `mmmu_multiple_choice`                       |               |               | 객관식 형식의 멀티모달 이해                                   |
| [MMMU Open](https://mmmu-benchmark.github.io/)                          | `mmmu_open`                                  |               |               | 개방형 응답 형식의 멀티모달 이해                                |
| [V\*Star Bench Attribute Recognition](https://arxiv.org/abs/2411.10006) | `vstar_bench_attribute_recognition`          |               |               | 시각적 속성 인식 태스크                                     |
| [V\*Star Bench Spatial Relationship](https://arxiv.org/abs/2411.10006)  | `vstar_bench_spatial_relationship_reasoning` |               |               | 시각적 입력을 통한 공간 추론                                  |

## Instruction Following

특정 지침 및 형식 요구 사항에 대한 준수 여부를 평가합니다.

| 평가                                         | Task ID  | OpenAI Scorer | Gated HF 데이터셋 | 설명                |
| ------------------------------------------ | -------- | ------------- | ------------- | ----------------- |
| [IFEval](https://arxiv.org/abs/2311.07911) | `ifeval` |               |               | 정밀한 지시 준수 능력을 테스트 |

## System

기본 시스템 검증 및 사전 점검입니다.

| 평가                                                                                         | Task ID      | OpenAI Scorer | Gated HF 데이터셋 | 설명                     |
| ------------------------------------------------------------------------------------------ | ------------ | ------------- | ------------- | ---------------------- |
| [Pre-Flight](https://ukgovernmentbeis.github.io/inspect_evals/evals/knowledge/pre_flight/) | `pre_flight` |               |               | 기본 시스템 체크 및 유효성 검사 테스트 |

## 다음 단계

* [모델 체크포인트 평가](/models/launch/evaluate-model-checkpoint)
* [호스팅된 API 모델 평가](/models/launch/evaluate-hosted-model)
* 특정 벤치마크에 대한 자세한 내용은 [AISI Inspect Evals](https://inspect.aisi.org.uk/evals/)에서 확인하세요.